周婷　孫克肇　陳志華　劉紅波

摘要：傳統(tǒng)村鎮(zhèn)住宅結(jié)構(gòu)設(shè)計需要進行大量的人工試算與重復(fù)建模，而受制于建設(shè)成本，村鎮(zhèn)住宅無法像城鎮(zhèn)住宅一樣通過設(shè)計師進行專業(yè)的結(jié)構(gòu)設(shè)計與驗算，其安全性與經(jīng)濟性均難以滿足要求。為此，提出一種村鎮(zhèn)輕鋼框架結(jié)構(gòu)智能設(shè)計方法，包括智能建模與智能優(yōu)化兩個環(huán)節(jié)。基于圖層自動識別算法、光學(xué)字符識別技術(shù)、自適應(yīng)分塊算法提出村鎮(zhèn)輕鋼框架結(jié)構(gòu)BIM智能建模方法，包括圖層識別、軸文本數(shù)據(jù)提取、墻體輪廓提取等，智能建模結(jié)果基本滿足實際工程要求?；谔岢龅膬呻A段模擬退火算法給出村鎮(zhèn)輕鋼框架結(jié)構(gòu)的智能優(yōu)化方法，優(yōu)化速度較快，優(yōu)化效果良好。通過實際工程案例對提出的智能設(shè)計方法進行驗證，結(jié)果表明，提出的村鎮(zhèn)輕鋼框架結(jié)構(gòu)智能設(shè)計方法具有可行性，與傳統(tǒng)的人工設(shè)計方法相比，設(shè)計周期可縮短70%以上，材料用量、結(jié)構(gòu)設(shè)計指標接近人工設(shè)計結(jié)果。

關(guān)鍵詞：村鎮(zhèn)住宅；輕鋼框架結(jié)構(gòu)；智能設(shè)計；BIM技術(shù)；模擬退火算法

中圖分類號：TU241.4；TU318? ? ?文獻標志碼：A? ? ?文章編號：2096-6717（2024）01-0139-13

Intelligent design of rural light steel frame structure based on BIM and simulated annealing algorithm

ZHOU Tinga， SUN Kezhaob， CHEN Zhihuac， LIU Hongboc

（a. School of Architecture； b. School of Future Technical； c. School of Civil Engineering， Tianjin University，

Tianjin 300072， P. R. China）

Abstract： In the traditional structural design process， rural buildings require a lot of manual calculations and repeated modeling. However， due to the constraint of construction cost， they cannot be designed and checked professionally as urban types， and the safety and economy are difficult to meet the requirements. In this study， an intelligent design approach for structural design of rural light steel frame structure was proposed， including the intelligent modeling and optimization. Based on the automatic layer classification method （ALCM）， optical character recognition technology （OCR） and adaptive block algorithm， BIM intelligent modeling method was proposed where layer recognition， the extraction of axis text data and wall contour were included， and generated structural models satisfied the requirements of engineering practice. Based on the proposed two-stage simulated annealing algorithm， the intelligent optimization method was proposed and verified by case histories. Results showed that the proposed intelligent design method was feasible. Compared with the traditional method， its time use could be shortened by more than 70%， and the material consumption and structural design parameters were similar.

Keywords： rural buildings； light steel frame structure； intelligent design； BIM technology； simulated annealing algorithm

近年來，中國村鎮(zhèn)經(jīng)濟的發(fā)展突飛猛進[1]，在住宅建設(shè)熱潮的推動下，中國村鎮(zhèn)住宅的發(fā)展從量的增加轉(zhuǎn)變?yōu)橘|(zhì)的提高，建設(shè)質(zhì)量和居住條件的改善成為下一階段村鎮(zhèn)住宅發(fā)展的必然要求[2]。中國傳統(tǒng)的建筑結(jié)構(gòu)設(shè)計多依賴于YJK、PKPM等結(jié)構(gòu)設(shè)計軟件的力學(xué)分析結(jié)果，憑借工程師的經(jīng)驗對建筑結(jié)構(gòu)設(shè)計進行人為調(diào)整，包括較為合理的構(gòu)件截面取值和布置，使其滿足相關(guān)國家規(guī)范要求，在保證結(jié)構(gòu)可靠性、安全性的同時降低建筑材料成本[3]。然而，這種方法受工程師人為主觀因素的影響較大，耗力耗時，無法滿足中國建筑行業(yè)快速發(fā)展的需求。且在中國村鎮(zhèn)住宅的結(jié)構(gòu)設(shè)計中，受經(jīng)濟條件的制約，很難做到每一個村鎮(zhèn)住宅都由工程師進行精確縝密的結(jié)構(gòu)設(shè)計。村鎮(zhèn)住宅的設(shè)計與施工普遍是直接采用網(wǎng)上的標準住宅圖集，存在抗災(zāi)能力不足、資源浪費嚴重等共性問題，安全性與經(jīng)濟性不能得到充分驗證[4-5]。針對上述問題，探索一套符合中國國情、適用于村鎮(zhèn)住宅的低成本結(jié)構(gòu)設(shè)計流程就十分必要。

與中國村鎮(zhèn)住宅應(yīng)用較多混凝土結(jié)構(gòu)、砌體結(jié)構(gòu)相比，輕鋼框架結(jié)構(gòu)具有結(jié)構(gòu)形式簡單、輕質(zhì)高強、延性好、施工方便等優(yōu)點，應(yīng)在村鎮(zhèn)地區(qū)推廣應(yīng)用[6]。以建筑結(jié)構(gòu)智能設(shè)計技術(shù)實現(xiàn)結(jié)構(gòu)模型的智能建模和結(jié)構(gòu)方案的智能優(yōu)化，能有效改善傳統(tǒng)結(jié)構(gòu)設(shè)計效率低下的問題，并保證優(yōu)化后結(jié)構(gòu)的安全性和經(jīng)濟性[7-8]。因此，研究輕鋼框架結(jié)構(gòu)的智能設(shè)計方法對保證村鎮(zhèn)建筑行業(yè)的快速發(fā)展具有重要意義。

結(jié)構(gòu)計算模型的智能建模和結(jié)構(gòu)方案的智能優(yōu)化是建筑結(jié)構(gòu)智能設(shè)計技術(shù)中最重要的兩部分，其中智能建模是智能優(yōu)化的先決條件[9]。智能建模方面，目前研究多集中于多高層建筑圖紙的BIM模型自動生成方法，少有涉及到結(jié)構(gòu)計算模型的智能生成。建筑圖紙包括圖像和矢量文件兩類。針對建筑圖像，Zeng等[10]采用多任務(wù)網(wǎng)絡(luò)方式，以房間邊界為導(dǎo)向來識別圖形基本原語；Zhao等[11-12]基于深度學(xué)習(xí)、圖像處理和光學(xué)字符識別的混合方法從圖像中提取墻和門洞；Liu等[13]基于卷積神經(jīng)網(wǎng)絡(luò)檢測圖像中的墻連接點，從而完成墻壁的定位。針對建筑矢量文件，Domínguez等[14]引入墻鄰接圖、墻體分塊算法的概念來檢測墻體；Yin等[15-16]基于圖層分類方法來識別文本、窗口、墻體。智能優(yōu)化方面，許多學(xué)者已對鋼筋設(shè)計、復(fù)雜高層結(jié)構(gòu)設(shè)計等進行了大量的研究，Delyová等[17]將改進的遺傳算法應(yīng)用至鋼桁架的優(yōu)化設(shè)計中，實現(xiàn)了桁架尺寸和布置位置的拓撲優(yōu)化；Baghdadi等[18]使用粒子群優(yōu)化算法，結(jié)合MATLAB與有限元計算軟件進行建筑平面布局優(yōu)化，旨在實現(xiàn)不規(guī)則的墻壁與樓板布置下梁的最佳布局設(shè)計；Gholizadeh等[19-20]采用蝙蝠算法和海豚回聲算法，研究了剪力墻位置的優(yōu)化，以得到最優(yōu)布局。對于村鎮(zhèn)住宅的結(jié)構(gòu)設(shè)計，相較于其他結(jié)構(gòu)形式，其約束條件不同，體量規(guī)模較小，構(gòu)件的種類和數(shù)量也較少；再考慮到村鎮(zhèn)經(jīng)濟條件的制約，因此要求適用于村鎮(zhèn)住宅的算法更加簡便、通用。綜上可見，目前針對村鎮(zhèn)住宅的結(jié)構(gòu)智能設(shè)計仍處于空白狀態(tài)，如何實現(xiàn)高效、經(jīng)濟的村鎮(zhèn)住宅結(jié)構(gòu)設(shè)計仍有待研究。

為此，筆者以村鎮(zhèn)住宅為研究對象，開展結(jié)構(gòu)智能設(shè)計方法的研究?；诖彐?zhèn)住宅標準圖集，智能生成所對應(yīng)的輕鋼框架結(jié)構(gòu)模型，并應(yīng)用智能優(yōu)化算法自動迭代計算，直至得到滿足安全性與經(jīng)濟性的結(jié)構(gòu)布置方案。綜合圖層自動識別算法、光學(xué)字符識別技術(shù)、自適應(yīng)分塊算法，提出BIM智能建模方法；針對參數(shù)化的結(jié)構(gòu)BIM模型，提出基于改正后的兩階段模擬退火算法的智能優(yōu)化方法；結(jié)合實際工程案例，對所提出的智能設(shè)計方法進行應(yīng)用，以驗證方法的可行性與有效性。通過提出的智能建模和智能優(yōu)化方法，可以為村鎮(zhèn)住宅提供一套簡便、經(jīng)濟、高效的智能設(shè)計方法。

1 BIM結(jié)構(gòu)智能建模

村鎮(zhèn)住宅多為混凝土結(jié)構(gòu)和砌體結(jié)構(gòu)，其設(shè)計與施工多直接根據(jù)標準住宅圖集進行，在保證整體戶型設(shè)計不變的情況下，依照原建筑基本軸線，采用綜合圖層自動識別算法、光學(xué)字符識別技術(shù)、自適應(yīng)分塊算法的混合方法，提取圖層關(guān)鍵數(shù)據(jù)，重新進行輕鋼框架結(jié)構(gòu)構(gòu)件布置，從而實現(xiàn)村鎮(zhèn)住宅BIM結(jié)構(gòu)智能建模。

1.1 圖層識別

標準住宅圖集對應(yīng)的建筑圖紙通常為矢量圖形文件。因此，可采用圖層自動識別算法（ALCM）[15-16]完成軸文本、墻等關(guān)鍵圖層信息的提取。

圖層自動識別算法是由Yin等[15-16]提出的矢量圖形文件圖層提取算法，可快速確定標準圖紙的關(guān)鍵圖層名稱，進而有效提取圖層數(shù)據(jù)。圖層識別從搜索每個圖層的特征元素（FE）開始，特征元素是結(jié)構(gòu)對象或注釋中最具區(qū)分性和代表性的元素。軸線的特征元素為線條，軸文本的特征元素為文字或者數(shù)字。其次，檢查特征元素的屬性（Attr）是否滿足某些條件，如果特征元素的屬性與目標類型的屬性一致，則特征元素匹配該對象的可能性更大。除了特征元素的自身屬性外，特征元素的鄰近元素是決定其與目標類別匹配程度的另一個重要元素。這種對特征元素具有關(guān)系約束的鄰近元素為相關(guān)元素（RE），與特征元素一樣，相關(guān)元素的屬性也需要檢查。此外，特征元素和相關(guān)元素之間應(yīng)該符合建筑圖紙中要求的拓撲結(jié)構(gòu)關(guān)系（Rel）。由于建筑圖紙制圖規(guī)定和建筑設(shè)計的多樣性，用于判斷特征元素和相關(guān)元素屬性和拓撲關(guān)系的一些條件是必要的，而其余一些條件是非必要的。根據(jù)條件對識別結(jié)果的影響程度，將其劃分為必要條件（NC）和充分條件（SC）。圖層FE-RE結(jié)構(gòu)如圖1所示，在判斷某個圖層是否為目標層時，先檢查圖層的FE和RE的NC是否都滿足，再檢查FE和RE的SC，按照式（1）計算單個得分，最后通過式（2）計算總得分，得分最高圖層即為目標層。整個圖層自動識別流程如圖2所示，圖3（a）是建筑矢量圖形源文件，圖3（b）是圖層自動識別的結(jié)果。

式中：Score為每個圖層的FE與目標圖層的匹配度得分；N（SC==True）為符合匹配條件的SC的數(shù)目；N（SC）為識別某圖層FE-RE結(jié)構(gòu)的充分條件個數(shù)；Totalscore為總匹配度得分。

1.2 軸文本數(shù)據(jù)提取

通過圖層自動識別算法可以獲取到建筑圖紙中有用的圖層信息，在識別得到的圖層基礎(chǔ)上對軸文本的數(shù)據(jù)進行提取。采用光學(xué)字符識別（OCR）技術(shù)，將軸文本信息從原始建筑圖紙中分離出來，為后續(xù)構(gòu)件定位和構(gòu)件初選提供數(shù)據(jù)支撐。為提升魯棒性并保證所識別數(shù)據(jù)的準確性，將軸文本數(shù)據(jù)分成水平和垂直文本，依次逐塊識別，如圖4所示，并根據(jù)其在建筑圖紙中的位置保存到兩個Excel電子表格中，如圖5所示。

1.3 墻體輪廓提取

對于村鎮(zhèn)輕鋼框架結(jié)構(gòu)，可以采取框架柱布置于軸線交點上、框架梁布置于軸線上的布置方式?？紤]到由于繪圖的不規(guī)范性導(dǎo)致的部分建筑圖紙定位軸線殘缺或贅余情況，借助提取的軸文本數(shù)據(jù)，重新繪制建筑定位線。除此之外，為避免結(jié)構(gòu)構(gòu)件布置于建筑室內(nèi)空間和建筑主體之外，需要通過建筑墻體來精確結(jié)構(gòu)構(gòu)件布置。利用圖層自動識別算法對建筑平面圖中的墻體進行識別，得到如圖6（a）所示的墻體，部分墻體的線段被門窗斷開。為此，采用自適應(yīng)分塊的墻體輪廓提取算法[21]，對已有墻體數(shù)據(jù)進行處理，從而提取墻體的完整輪廓。

自適應(yīng)分塊的墻體輪廓提取算法是李昌華等[21]提出的墻體識別算法，解決了建筑平面圖中坐標點不均勻分布引起的輪廓誤差問題。其基本思想是把離散點數(shù)據(jù)劃分為大小相同的格網(wǎng)，離散點數(shù)據(jù)對應(yīng)著圖6（a）中所有墻壁線段的特征坐標點，如圖6（b）所示，格網(wǎng)的大小為一個動態(tài)變化的值，與每個格網(wǎng)中的最佳平均坐標點數(shù)量M有關(guān)，可通過式（3）～式（6）進行計算。

形的寬和高；ρ為坐標點的密度期望；n為給定點集中所有的坐標點數(shù)量；s為搜索圓外接正方形面積；A為給定點集覆蓋的區(qū)域面積。

計算所圍矩形中墻體坐標點的各極值點，沿順時針方向連接各極值點成有向線段，并劃分矩形為5個區(qū)域Ⅰ～Ⅴ，如圖6（c）所示。采用快速排序算法，按坐標遞增方向進行排序，逐區(qū)域提取兩側(cè)端點連線，將整個點集劃分為上下區(qū)域，依次判斷點集內(nèi)其余各點與有向線段的位置關(guān)系。將上區(qū)域中的點按坐標遞增的順序擬合連接，下區(qū)域中的點按坐標遞減的順序擬合連接，即可得到墻體完整輪廓，如圖6（d）所示。

1.4 結(jié)構(gòu)構(gòu)件初選與自動布置

對于村鎮(zhèn)輕鋼框架結(jié)構(gòu)住宅，框架梁多采用高頻焊接H型鋼，框架柱多采用鍍鋅鋼管。結(jié)合《鋼結(jié)構(gòu)住宅主要構(gòu)件尺寸指南》[22]和《低層冷彎薄壁型鋼房屋建筑技術(shù)規(guī)程》（JGJ 227—2011）[23]確定村鎮(zhèn)住宅常用框架梁、框架柱的截面尺寸，如表1所示。通過在Revit平臺建立與之對應(yīng)的各類族文件，形成裝配式村鎮(zhèn)住宅輕鋼結(jié)構(gòu)構(gòu)件庫。如圖7所示，根據(jù)光學(xué)字符識別技術(shù)提取到的軸文本數(shù)據(jù)所對應(yīng)的構(gòu)件跨度，按照梁高跨比為1/12、梁柱線剛度比為4的設(shè)計原則，計算框架梁柱的理論截面尺寸，并與裝配式村鎮(zhèn)住宅輕鋼結(jié)構(gòu)構(gòu)件庫里已有的梁柱截面類型進行匹配，選擇村鎮(zhèn)住宅的初始構(gòu)件截面。

結(jié)構(gòu)構(gòu)件自動布置的操作借助可視化編程平臺Dynamo實現(xiàn)。設(shè)計師無須花費大量時間學(xué)習(xí)程序語言，只需調(diào)用內(nèi)置節(jié)點，按照一定編程邏輯，用連接線將各節(jié)點的輸入端與輸出端相連，便可在Revit中實現(xiàn)結(jié)構(gòu)構(gòu)件自動布置，規(guī)避常規(guī)“積木式”建模方法，如圖8所示。結(jié)構(gòu)構(gòu)件布置原則可歸納為：1）框架柱布置于軸線交點；2）框架梁布置于軸線上；3）框架梁柱避免出現(xiàn)在建筑室內(nèi)空間和建筑主體之外；4）框架梁兩端均搭接在框架柱之上，避免出現(xiàn)懸臂梁。1）和2）的實現(xiàn)路徑是借助于光學(xué)字符識別技術(shù)提取到的完整軸文本數(shù)據(jù)。3）和4）的實現(xiàn)路徑是對已生成的結(jié)構(gòu)構(gòu)件，包括框架梁和框架柱，與自適應(yīng)分塊算法提取到的墻體輪廓模型進行碰撞檢測。

1.5 智能建模流程及適用范圍

村鎮(zhèn)輕鋼框架結(jié)構(gòu)智能建模包括圖層識別、軸文本數(shù)據(jù)提取、墻體輪廓提取、結(jié)構(gòu)構(gòu)件初選與自動布置、數(shù)據(jù)文件生成5個模塊，如圖9所示。對于圖層識別模塊，模塊輸入是標準住宅圖集對應(yīng)的建筑矢量圖形文件，模塊輸出是目標圖層集合；軸文本提取模塊輸出的是建筑圖形文件里的全部軸文本信息；墻體輪廓提取模塊輸出的是建筑圖形文件里的建筑墻體完整輪廓；結(jié)構(gòu)構(gòu)件初選與自動布置模塊輸出的是結(jié)構(gòu)構(gòu)件初選參數(shù)與村鎮(zhèn)住宅BIM結(jié)構(gòu)模型。數(shù)據(jù)文件生成模塊的功能是將BIM平臺與YJK等結(jié)構(gòu)計算軟件進行聯(lián)動，通過對YJK API接口的二次開發(fā)，設(shè)置內(nèi)置程序自動進行荷載布置和樓層組裝，生成村鎮(zhèn)住宅BIM結(jié)構(gòu)模型對應(yīng)的YDB計算文件，從而完成村鎮(zhèn)輕鋼框架結(jié)構(gòu)的智能建模。荷載布置包括結(jié)構(gòu)構(gòu)件自重、梁線荷載和樓板面荷載。結(jié)構(gòu)構(gòu)件自重和梁線荷載根據(jù)工程師輸入的材料密度、墻芯容重、梁上墻的高度和寬度自動計算得到。樓板面荷載初始設(shè)置為恒1.5、活2的固定值，后期由工程師進行適當調(diào)整。

目前，文中所提出的智能建模方法只適合低層輕鋼框架結(jié)構(gòu)的抗震設(shè)計。在未來的研究中，可進一步考慮村鎮(zhèn)輕鋼框架結(jié)構(gòu)的節(jié)點設(shè)計、施工深化設(shè)計等，真正意義上實現(xiàn)全流程的村鎮(zhèn)住宅智能設(shè)計。

2 結(jié)構(gòu)智能優(yōu)化

依照建筑矢量圖形文件智能生成的村鎮(zhèn)輕鋼框架結(jié)構(gòu)模型設(shè)計往往較為保守。受制于村鎮(zhèn)地區(qū)的經(jīng)濟條件，需要對初選的村鎮(zhèn)輕鋼框架結(jié)構(gòu)模型進行優(yōu)化。模擬退火算法，作為一種元啟發(fā)式優(yōu)化技術(shù)，憑借實現(xiàn)方式簡單、收斂速度較快的特點，在土木工程領(lǐng)域得到了廣泛應(yīng)用。相較于在結(jié)構(gòu)優(yōu)化領(lǐng)域應(yīng)用較多的粒子群和遺傳算法，模擬退火算法不需要進行大量并行計算，每一迭代步的計算速度較快，更加適用于村鎮(zhèn)住宅這種變量和維度較少的優(yōu)化設(shè)計之中?；贖asan?ebi等[24]對模擬退火算法的改進，提出一種兩階段模擬退火算法，解決了由此產(chǎn)生的設(shè)計優(yōu)化問題。

2.1 設(shè)計變量

村鎮(zhèn)輕鋼框架結(jié)構(gòu)的結(jié)構(gòu)行為受框架梁柱的布局方式和截面尺寸控制。因此，所采用的設(shè)計變量集由表示為S（式7）和A（式8）的兩個設(shè)計變量組成。布局設(shè)計變量S包括用于更改村鎮(zhèn)輕鋼框架結(jié)構(gòu)布局方式的所有拓撲變量，即定義初選的村鎮(zhèn)輕鋼框架結(jié)構(gòu)模型各框架梁、框架柱的布爾值（存在和不存在）。尺寸設(shè)計變量A包括村鎮(zhèn)輕鋼框架結(jié)構(gòu)模型所有結(jié)構(gòu)構(gòu)件的截面尺寸。由于結(jié)構(gòu)構(gòu)件是從裝配式村鎮(zhèn)住宅輕鋼結(jié)構(gòu)構(gòu)件庫中選擇的，在該構(gòu)件庫中，以橫截面面積增加的順序?qū)﹄x散鋼構(gòu)件截面進行分類和索引。因此，各構(gòu)件截面尺寸可以用對應(yīng)于構(gòu)件庫中所選鋼構(gòu)件截面的索引號整數(shù)值代替。

式中：i為第i個梁構(gòu)件；li為第i個梁構(gòu)件的長度；j為第j個柱構(gòu)件；lj為第j個柱構(gòu)件的長度；A_b^i為第i個框架梁的截面尺寸對應(yīng)于構(gòu)件庫中所選截面的索引號；A_c^j為第j個框架柱的截面尺寸對應(yīng)于構(gòu)件庫中所選截面的索引號；S_（A_b^i ）表示索引號為A_b^i的框架梁構(gòu)件截面面積;S_（A_c^j ）表示索引號為A_c^j的框架柱構(gòu)件截面面積。

2.3 約束條件

根據(jù)《建筑抗震設(shè)計規(guī)范》（GB 50011—2010）[25]和《鋼結(jié)構(gòu)設(shè)計標準》（GB 50017—2017）[26]規(guī)定，在村鎮(zhèn)輕鋼框架結(jié)構(gòu)的優(yōu)化設(shè)計中考慮以下結(jié)構(gòu)約束條件：

式中：λ_1為懲罰系數(shù)；n為約束條件總數(shù)。

偽目標函數(shù)作為一種考慮結(jié)構(gòu)總用鋼量和所有約束條件的綜合指標，可以將強約束結(jié)構(gòu)優(yōu)化設(shè)計問題簡化為無約束問題。當結(jié)構(gòu)不滿足約束條件時，式（16）后一項將遠大于0，偽目標函數(shù)大于結(jié)構(gòu)總用鋼量；當結(jié)構(gòu)滿足所有的約束條件時，式（16）后一項為0，偽目標函數(shù)等于結(jié)構(gòu)總用鋼量。因此，偽目標函數(shù)值越小，其對應(yīng)的結(jié)構(gòu)設(shè)計越好，既能實現(xiàn)經(jīng)濟性，又能滿足所有的約束條件。

2.4 兩階段模擬退火算法

模擬退火算法與其他多數(shù)元啟發(fā)式方法一樣，只針對設(shè)計空間的部分隨機搜索而工作，需要使用較長的計算時間來定位最優(yōu)，是一種不確定的搜索技術(shù)。通過Hasan?ebi等[24]改進的模擬退火算法對村鎮(zhèn)輕鋼框架結(jié)構(gòu)進行布局和尺寸優(yōu)化設(shè)計往往需要較長的計算時間和大量的精力，增加了結(jié)構(gòu)設(shè)計成本。為此，提出一種兩階段模擬退火優(yōu)化方法，從而在更短的時間內(nèi)找到村鎮(zhèn)輕鋼框架結(jié)構(gòu)的最佳設(shè)計方案。在該方法的第1階段，僅通過模擬退火算法優(yōu)化結(jié)構(gòu)布局參數(shù)，基于完全應(yīng)力設(shè)計的啟發(fā)式方法對構(gòu)件尺寸設(shè)計進行調(diào)整，在相對較少的迭代次數(shù)（冷卻周期）中快速改進初始設(shè)計。在第2階段，將先前獲得的最佳設(shè)計用作初始解決方案，并在一組新的退火參數(shù)下，針對結(jié)構(gòu)布局設(shè)計變量和構(gòu)件尺寸設(shè)計變量進行迭代優(yōu)化，直至得到安全性和經(jīng)濟性都滿足的結(jié)構(gòu)設(shè)計方案，從而實現(xiàn)智能優(yōu)化目標。該算法的主要流程見圖10。

Step2：初始設(shè)計生成。設(shè)定BIM結(jié)構(gòu)智能建模得到的村鎮(zhèn)輕鋼框架結(jié)構(gòu)設(shè)計方案為初始設(shè)計，通過YJK結(jié)構(gòu)計算軟件完成對初始設(shè)計的結(jié)構(gòu)力學(xué)分析，基于Python二次開發(fā)技術(shù)對結(jié)構(gòu)的計算結(jié)果進行提取和整理，使用式（16）計算初始設(shè)計的偽目標函數(shù)。

Step3：候選設(shè)計的創(chuàng)建與調(diào)整。每組結(jié)構(gòu)拓撲由村鎮(zhèn)輕鋼框架結(jié)構(gòu)中的框架梁、框架柱對應(yīng)的布局設(shè)計變量布爾值（即存在和不存在）組成，通過隨機擾動初始設(shè)計的一個或者多個布局設(shè)計變量布爾值來獲得新的結(jié)構(gòu)布局，并基于完全應(yīng)力設(shè)計的啟發(fā)式方法在新的村鎮(zhèn)輕鋼框架結(jié)構(gòu)設(shè)計方案下使用以下迭代算法調(diào)整所有構(gòu)件的截面尺寸，從而生成候選設(shè)計。

1）設(shè)置所有構(gòu)件的尺寸設(shè)計變量為1。需要注意的是，各構(gòu)件的尺寸變量用對應(yīng)于構(gòu)件庫中所選截面的索引號來表示。也就是說，將所有框架梁、框架柱的截面設(shè)置為構(gòu)件庫中最小的截面型號。

2）對每個候選設(shè)計進行結(jié)構(gòu)分析。

3）僅檢查各構(gòu)件的應(yīng)力約束，包括正應(yīng)力約束和穩(wěn)定應(yīng)力約束。對于應(yīng)力超限的構(gòu)件，通過增加該構(gòu)件的尺寸設(shè)計變量，從構(gòu)件庫列表中選用更大的截面，并使用等式保持其他變量不變。

4）重復(fù)2）和3），直到所有構(gòu)件均滿足應(yīng)力約束或所有構(gòu)件的截面尺寸都設(shè)置為構(gòu)件庫中的最大截面。

Step4：候選設(shè)計評估與Metropolis測試。每次生成候選設(shè)計時，都會與當前設(shè)計的偽目標函數(shù)競爭。如果候選設(shè)計提供了更好的設(shè)計方案，則自動接受并替換當前設(shè)計；否則，使用式（20）～式（22）確定的不良候選設(shè)計接受概率P進行Metropolis測試。Metropolis是通過生成一個介于0和1之間的隨機數(shù)r

Step7：終止標準。重復(fù)Step3～Step6，直到執(zhí)行完整個冷卻循環(huán)過程。

階段2：在所提出方法的第2階段，模擬退火算法針對結(jié)構(gòu)布局和構(gòu)件尺寸設(shè)計變量一起進行迭代優(yōu)化，不再從BIM結(jié)構(gòu)智能建模得到的村鎮(zhèn)輕鋼框架結(jié)構(gòu)設(shè)計方案隨機生成的設(shè)計開始，而是將階段1獲得的最佳設(shè)計用作階段2的初始設(shè)計。因此，與階段1不同的是，階段2的搜索是從一個較為合理的設(shè)計方案開始的，不再需要一個非常詳細的冷卻進度表。階段2選用較為溫和的冷卻進度表，也就是較少的迭代次數(shù)和較快的冷卻速率，并應(yīng)用一組新的退火參數(shù)。案例結(jié)果表明，階段2產(chǎn)生了與模擬退火算法相當?shù)慕鉀Q方案，但前者采用了較為溫和的冷卻進度表，因此，只需要更少的計算時間，從而降低設(shè)計成本。

3 實際工程案例

3.1 工程概況

以河北張家口某村鎮(zhèn)輕鋼框架結(jié)構(gòu)住宅為例，對智能建模與優(yōu)化方法進行驗證。圖11是2層村鎮(zhèn)住宅的建筑平面圖，平面尺寸是12.9 m×9.6 m，層高為6 m。該建筑的建筑類別為丙類，設(shè)計使用年限為50 a，抗震設(shè)防烈度為7度（0.1g），設(shè)計地震分組為第二組，場地類別為Ⅲ類，特征周期為0.55 s，場地粗糙度類別為B類，修正后的基本風壓為0.55 m/s。荷載信息為：梁的線荷載取值2.8 kN/m；樓面板的恒載和活載分別取值1.5、2.0 kN/m2。

3.2 智能建模效果評估

圖12為BIM平臺中自動生成的輕鋼框架結(jié)構(gòu)模型。從圖中可以看出，輕鋼框架結(jié)構(gòu)構(gòu)件的布置符合布置原則。借助于BIM軟件自帶的接口，將自動生成的各層村鎮(zhèn)輕鋼框架結(jié)構(gòu)BIM模型導(dǎo)入至YJK計算軟件，并基于對YJK API接口的二次開發(fā)，自動進行荷載布置和樓層組裝。圖13是最終導(dǎo)入至YJK軟件的算例模型，各層分別與圖12中各層的結(jié)構(gòu)BIM模型相對應(yīng)。結(jié)構(gòu)計算的前處理參數(shù)仍需手動設(shè)置，輸入完成后即可生成村鎮(zhèn)輕鋼框架結(jié)構(gòu)模型對應(yīng)的YDB計算文件，后續(xù)可基于Python二次開發(fā)技術(shù)對結(jié)構(gòu)的計算結(jié)果進行提取和整理。整個村鎮(zhèn)輕鋼框架結(jié)構(gòu)智能建模耗時約6 min，有效提高了建模與設(shè)計效率。

3.3 優(yōu)化效果評估

采用普通模擬退火算法和兩階段模擬退火算法對案例的YJK模型進行智能優(yōu)化，每個算法各執(zhí)行3次獨立運算，表2和表3分別展示了兩種算法每次運算后的結(jié)構(gòu)總用鋼量和計算時間。普通模擬退火算法3次結(jié)構(gòu)優(yōu)化的平均用鋼量為3 072.58 kg，平均時間為127 min，用鋼量的標準差為136.77 kg；而兩階段模擬退火算法3次結(jié)構(gòu)優(yōu)化的平均用鋼量為3 054.54 kg，平均時間為95 min，用鋼量的標準差為56.61 kg。由此可見，兩階段模擬退火算法表現(xiàn)出比普通模擬退火算法較優(yōu)的優(yōu)化性能，收斂性較好，并且大大減少了迭代優(yōu)化的時間。

表4為智能建模初始設(shè)計方案、結(jié)構(gòu)工程師設(shè)計方案、智能優(yōu)化設(shè)計方案的結(jié)構(gòu)設(shè)計指標對比結(jié)果，圖14為3種設(shè)計方案的結(jié)構(gòu)布置圖對比，圖15為3種設(shè)計方案的各結(jié)構(gòu)構(gòu)件的應(yīng)力比對比圖?？梢钥闯?，與智能建模初始設(shè)計方案相比，智能優(yōu)化設(shè)計方案的結(jié)構(gòu)用鋼量降低了13.60%；與結(jié)構(gòu)工程師設(shè)計方案相比，結(jié)果相差2.67%。智能優(yōu)化設(shè)計方案給出的結(jié)構(gòu)布置與結(jié)構(gòu)工程師設(shè)計方案較為類似，且在滿足承載能力極限狀態(tài)和正常使用極限狀態(tài)的設(shè)計要求下，結(jié)構(gòu)設(shè)計指標相當。對于一棟2～3層左右的村鎮(zhèn)輕鋼框架結(jié)構(gòu)住宅，結(jié)構(gòu)工程師通常需要花費8～10 h進行模型調(diào)整與優(yōu)化，而智能建模與優(yōu)化僅僅需要2 h左右，設(shè)計周期縮短了77.8%。由此可見，所提出的村鎮(zhèn)輕鋼框架結(jié)構(gòu)智能設(shè)計方法具有效率高、周期短、成本低等優(yōu)點，僅需要工程師進行少量干預(yù)，即可完成結(jié)構(gòu)建模、設(shè)計、優(yōu)化工作，具有一定的推廣價值與應(yīng)用前景。

4 結(jié)論

針對傳統(tǒng)村鎮(zhèn)住宅受制于建設(shè)成本，多直接應(yīng)用住宅標準圖集進行設(shè)計與施工，缺乏結(jié)構(gòu)設(shè)計與驗算的問題，提出一種村鎮(zhèn)輕鋼框架結(jié)構(gòu)的智能設(shè)計方法，基本實現(xiàn)了村鎮(zhèn)輕鋼框架結(jié)構(gòu)的模型智能生成與優(yōu)化，并通過實際工程案例驗證了該方法的可行性與有效性，主要結(jié)論如下：

1）提出了基于圖層自動識別算法、光學(xué)字符識別技術(shù)、自適應(yīng)分塊算法的村鎮(zhèn)輕鋼框架結(jié)構(gòu)BIM智能建模方法，智能建模結(jié)果可以滿足實際工程要求，并可作為結(jié)構(gòu)初始設(shè)計方案，以進行后續(xù)優(yōu)化。

2）提出了基于兩階段模擬退火算法的村鎮(zhèn)輕鋼框架結(jié)構(gòu)智能優(yōu)化方法，減少了普通模擬退火算法尋找最優(yōu)結(jié)果的迭代時間，方法收斂性好，優(yōu)化性能較優(yōu)。

3）實際工程案例表明，所提出的村鎮(zhèn)輕鋼框架結(jié)構(gòu)智能設(shè)計方法具有可行性，結(jié)構(gòu)設(shè)計周期可縮短70%以上，且智能優(yōu)化設(shè)計方案的結(jié)構(gòu)總用鋼量和其他結(jié)構(gòu)設(shè)計關(guān)鍵指標與結(jié)構(gòu)工程師優(yōu)化方案相當。

4）提出的智能設(shè)計方法仍需工程師對數(shù)據(jù)輸入和信息傳遞進行少量干預(yù)，且局限于輕鋼框架結(jié)構(gòu)，在未來的技術(shù)研究中，可進一步考慮其他結(jié)構(gòu)類型在結(jié)構(gòu)表達與生成、智能優(yōu)化與評估等方面的研究，真正意義上實現(xiàn)村鎮(zhèn)住宅全流程的智能化設(shè)計。

參考文獻

[1]? ZHOU J， YU L， CHOGUILL C L. Co-evolution of technology and rural society： The blossoming of Taobao Villages in the information era， China [J]. Journal of Rural Studies， 2021， 83： 81-87.

[2]? WANG W X， GONG H L， YAO L Y， et al. Preference heterogeneity and payment willingness within rural households’ participation in rural human settlement improvement [J]. Journal of Cleaner Production， 2021， 312： 127529.

[3]? 周俊文， 劉界鵬. 基于多種群遺傳算法的鋼框架結(jié)構(gòu)優(yōu)化設(shè)計[J/OL]. 土木與環(huán)境工程學(xué)報（中英文）， 2024， 46（1）： 71-81.

ZHOU J W， LIU J P. Optimization design of steel frame structure based on multipopulation genetic algorithm [J]. Journal of Civil and Environmental Engineering， 2024， 46（1）： 71-81.（in Chinese）

[4]? 孫得璋， 黃勇， 楊振宇， 等. 九寨溝7.0級地震中典型非結(jié)構(gòu)構(gòu)件震害特征[J]. 地震工程與工程振動， 2019， 39（1）： 27-34.

SUN D Z， HUANG Y， YANG Z Y， et al. Seismic damages of typical nonstructural components in the Ms7.0 Jiuzhaigou earthquake [J]. Earthquake Engineering and Engineering Dynamics， 2019， 39（1）： 27-34. （in Chinese）

[5]? 潘毅， 陳建， 包韻雷， 等. 長寧6.0級地震村鎮(zhèn)建筑震害調(diào)查與分析[J]. 建筑結(jié)構(gòu)學(xué)報， 2020， 41（Sup1）： 297-306.

PAN Y， CHEN J， BAO Y L， et al. Seismic damage investigation and analysis of rural buildings in MS6.0 Changning earthquake [J]. Journal of Building Structures， 2020， 41（Sup1）： 297-306. （in Chinese）

[6]? 李國強， 陳素文. 從汶川地震災(zāi)害看鋼結(jié)構(gòu)在地震區(qū)的應(yīng)用[J]. 建筑鋼結(jié)構(gòu)進展， 2008， 10（4）： 1-7， 62.

LI G Q， CHEN S W. From the damage by Wenchuan earthquake to the application of steel building in seismic zone [J]. Progress in Steel Building Structures， 2008， 10（4）： 1-7， 62. （in Chinese）

[7]? 劉紅波， 張帆， 陳志華， 等. 人工智能在土木工程領(lǐng)域的應(yīng)用研究現(xiàn)狀及展望[J]. 土木與環(huán)境工程學(xué)報（中英文）， 2024， 46（1）： 14-32.

LIU H B， ZHANG F， CHEN Z H， et al. Applied research status and prospects of artificial intelligence in civil engineering field [J]. Journal of Civil and Environmental Engineering， 2024， 46（1）： 71-81.（in Chinese）

[8]? 鮑躍全， 李惠. 人工智能時代的土木工程[J]. 土木工程學(xué)報， 2019， 52（5）： 1-11.

BAO Y Q， LI H. Artificial intelligence for civil engineering [J]. China Civil Engineering Journal， 2019， 52（5）： 1-11. （in Chinese）

[9]? 程國忠， 周緒紅， 劉界鵬， 等. 基于深度強化學(xué)習(xí)的高層剪力墻結(jié)構(gòu)智能設(shè)計方法 [J]. 建筑結(jié)構(gòu)學(xué)報， 2022， 43（9）： 84-91.

CHENG G Z， ZHOU X H， LIU J P， et al. Intelligent design method of high-rise shear wall structures based on deep reinforcement learning [J]. Journal of Building Structures， 2022， 43（9）： 84-91. （in Chinese）

[10]? ZENG Z L， LI X Z， YU Y K， et al. Deep floor plan recognition using a multi-task network with room-boundary-guided attention [C]//2019 IEEE/CVF International Conference on Computer Vision （ICCV）. October 27 - November 2， 2019， Seoul， Korea （South）. IEEE， 2020： 9095-9103.

[11]? ZHAO Y F， DENG X Y， LAI H H. Reconstructing BIM from 2D structural drawings for existing buildings [J]. Automation in Construction， 2021， 128： 103750.

[12]? ZHAO Y F， DENG X Y， LAI H H. A deep learning-based method to detect components from scanned structural drawings for reconstructing 3D models [J]. Applied Sciences， 2020， 10（6）： 2066.

[13]? LIU C， WU J J， KOHLI P， et al. Raster-to-vector： Revisiting floorplan transformation [C]//2017 IEEE International Conference on Computer Vision （ICCV）. October 22-29， 2017， Venice， Italy. IEEE， 2017： 2214-2222.

[14]? DOMíNGUEZ B， GARCíA á L， FEITO F R. Semiautomatic detection of floor topology from CAD architectural drawings [J]. Computer-Aided Design， 2012， 44（5）： 367-378.

[15]? YIN M T， YE Z H， TANG L， et al. An automated layer classification method for converting CAD drawings to 3D BIM models [C]//MUTIS I， HARTMANN T. Advances in Informatics and Computing in Civil and Construction Engineering. Cham： Springer， 2019： 67-76.

[16]? YIN M T， TANG L， ZHOU T Y， et al. Automatic layer classification method-based elevation recognition in architectural drawings for reconstruction of 3D BIM models [J]. Automation in Construction， 2020， 113： 103082.

[17]? DELYOVá I， FRANKOVSKY P， BOCKO J， et al. Sizing and topology optimization of trusses using genetic algorithm [J]. Materials， 2021， 14（4）： 715.

[18]? BAGHDADI A， HERISTCHIAN M， KLOFT H. Design of prefabricated wall-floor building systems using meta-heuristic optimization algorithms [J]. Automation in Construction， 2020， 114： 103156.

[19]? GHOLIZADEH S， SHAHREZAEI A M. Optimal placement of steel plate shear walls for steel frames by bat algorithm [J]. The Structural Design of Tall and Special Buildings， 2015， 24（1）： 1-18.

[20]? GHOLIZADEH S， POORHOSEINI H. Seismic layout optimization of steel braced frames by an improved dolphin echolocation algorithm [J]. Structural and Multidisciplinary Optimization， 2016， 54（4）： 1011-1029.

[21]? 李昌華， 田思敏， 周方曉. 自適應(yīng)分塊的BIM墻體輪廓提取及三維重建研究[J]. 計算機科學(xué)與探索， 2018， 12（3）： 452-461.

LI C H， TIAN S M， ZHOU F X. Extracting contour of BIM wall based on adaptive block and 3D reconstruction research [J]. Journal of Frontiers of Computer Science and Technology， 2018， 12（3）： 452-461. （in Chinese）

[22]? 住房和城鄉(xiāng)建設(shè)部科技與產(chǎn)業(yè)化發(fā)展中心. 鋼結(jié)構(gòu)住宅主要構(gòu)件尺寸指南[M]. 北京： 中國建筑工業(yè)出版社， 2021.

Technology and Industrialization Development Center of Ministry of Housing and Urban-Rural Development. Guide for main component size of steel structure residences [M]. Beijing： China Architecture & Building Press， 2021. （in Chinese）

[23]? 低層冷彎薄壁型鋼房屋建筑技術(shù)規(guī)程： JGJ 227—2011[S]. 北京： 中國建筑工業(yè)出版社， 2011.

Technical specification for low-rise cold-formed thin-walled steel buildings： JGJ 227—2011 [S]. Beijing： China Architecture & Building Press，， 2011. （in Chinese）

[24]? HASAN?EBI O， ?ARBA? S， SAKA M P. Improving the performance of simulated annealing in structural optimization [J]. Structural and Multidisci-plinary Optimization， 2010， 41（2）： 189-203.

[25]? 建筑抗震設(shè)計規(guī)范： GB 50011—2010 [S]. 北京： 中國建筑工業(yè)出版社， 2010.

Code for sesmic design of buildings： GB 50011—2010 [S]. Beijing： China Architecture & Building Press， 2010. （in Chinese）

[26]? 鋼結(jié)構(gòu)設(shè)計標準： GB 50017—2017 [S].北京： 中國建筑工業(yè)出版社， 2017.

Standard for design of steel structures： GB 50017-2017 [S]. Beijing： China Architecture & Building Press， 2017. （in Chinese）

（編輯? 王秀玲）

收稿日期：2022?11?22

基金項目：國家重點研發(fā)計劃（2019YFD1101005）；國家建筑工程技術(shù)研究中心開放基金（BSBE2022-13）

作者簡介：周婷（1984- ），女，博士，副教授，主要從事鋼結(jié)構(gòu)研究，E-mail： zhouting1126@126.com。

通信作者：陳志華（通信作者），男，教授，博士生導(dǎo)師，E-mail： zhchen@tju.edu.cn。

Received： 2022?11?22

Foundation items： National Key Research and Development Program of China （No. 2019YFD1101005）; National Construction Engineering Technology Research Center Open Fundation Project （No. BSBE2022-13）

Author brief： ZHOU Ting （1984- ）， PhD， associate professor， main research interest： steel structure， E-mail： zhouting1126@126.com.

corresponding author：CHEN Zhihua （corresponding author）， professor， doctorial supervisor， E-mail： zhchen@tju.edu.cn.